FERGUSON E ADVANCED ANALYTICS - MIKE
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
LA TECHNOLOGY TRANSFER PRESENTA
MIKE
FERGUSON
MACHINE LEARNING
E ADVANCED ANALYTICS
ONLINE LIVE STREAMING
23-24 GIUGNO 2022
info@technologytransfer.it
www.technologytransfer.itMachine Learning e Advanced Analytics DESCRIZIONE Oggi attraverso la connessione a Internet il potere dell’utente è quasi senza limiti. Internet ha dato la libertà di scegliere in un modo che il business non avrebbe mai potuto immaginare. Si può navigare con facilità sui siti Web dei concorrenti, si possono comparare i prezzi, si può valutare il “sentiment” sul business e ribaltare la fidu- cia con un singolo click, in qualsiasi momento e in qualsiasi posto con un’apparecchiatura mobile. Inoltre l’emer- gere dei social media attesta che gli utenti hanno anche una voce. Hanno la possibilità di esprimere le proprie opinioni sui prodotti e i brand su Twitter, Facebook, criticare i siti Web e creare social network per attrarre fol- lowers e seguirne altri. Per molti CEO trattenere il cliente, mantenere la sua fedeltà, dare sempre più servizi sono al top della propria agenda. In aggiunta migliorare l’efficacia dell’operational costituisce un’altra priorità. Il solo modo per raggiunge- re questi obiettivi è quello di acquisire più dati. Il marketing vuole accedere a nuovi dati per aumentare la propria conoscenza sul cliente. I nuovi dati sono necessari per avere una conoscenza più approfondita sul comporta- mento del cliente per meglio segmentare e i COO vogliono più dati per rendere più efficaci le operations. Viene pertanto aggiunta della strumentazione in modo che le operation possano acquisire nuovi dati. Con così tanta domanda siamo ora in un momento in cui i dati non sono mai stati tanto importanti per le aziende nel con- tribuire a creare un vantaggio competitivo. Questo seminario esamina la necessità di catturare nuove sorgenti dati da aggiungere a quelle già note e spie- ga perché usare Machine Learning per scoprire, profilare e catalogare in maniera automatica i dati contenuti in queste nuove sorgenti. Si guarda a come Machine Learning e le tecniche analitiche avanzate, come analisi del teso, sentiment analysis, graph e streaming Analytics, possono essere usate su larga scala sui Big Data per for- nire nuove informazioni che favoriscano la crescita, riducano i costi, migliorino l'efficacia e il vantaggio competiti- vo. In particolare i partecipanti impareranno: • Come le caratteristiche dei dati e dell’analitica possono determinare l’approccio e i tools per fare una Exploratory Analytics • Come sviluppare modelli analitici usando Machine Learning • Come sviluppare modelli di Machine Learning su Apache Spark e Hadoop • Tools per costruire modelli di Machine Learning • Tools per il deploying, monitoraggio e ri-training dei modelli di Machine Learning • Tools e tecniche per Discovery, Analisi e visualizzazione di dati multi-strutturati • Text e Sentiment Analysis • Scalare la text analysis per farla girarae su Hadoop e Spark • Analisi del clickstream • Graph Analysis: 4 tecniche per identificare i path più corti, analizzare la connetività, identificare le comunità, de- terminare gli influencer e le persone importanti nei social network ecc. • Scalare la Graph Analysis su Apache Spark GraphX • Analizzare i Fast Data in real-time usando Streaming Analytics • Deep Learning con networls neurali multi-livello • Far leva su Machine Learning e Advanced Analytics in modo rapido e semplice dai report di self-service BI e da- shboard per l’accesso via Web o su dispositivi mobili
PROGRAMMA
1. Un’introduzione all’esplorazione, scoperta e Cloud, Apache Zeppelin, Jupyter, RStudio
visualizzazione dei dati • Accedere ai dati in HDFS usando SQL per costruire
modelli
Questa sessione introduce gli aspetti di Data Disco- • Accedere agli algoritmi di Machine Learning di Spark
very e Visualization e spiega perché sono necessarie dai tools di Data Mining
per il business. • Schierare modelli predictive come un servizio nei
databases analitici e in Hadoop
• Nuove sorgenti dati: dati strutturati e dati multi-strut-
• Industrializzare il deployment dell’Enterprise Mode-
turati
ling usando piattaforme MLOps come Algorithmia
• Quali sono i diversi workloads analitici?
• Integrare Predictive Analytics con event stream pro-
• Tipi di tool di Data Science
cessing per l’analisi automatica di eventi ad alta ve-
• Perché il business ha bisogno di questa nuova ca-
locità che accadono nelle operazioni giornaliere di
pability? Esempi di casi d’uso di Machine Learning
• Gli skills richiesti per Data Discovery e Visualization business
• Creare una strategia di Business allineata all’Analiti- • Accedere alla Predictive Analytics dai tools di self-
ca service BI e dagli spreadsheets
• Clustering data usando algoritmi di learning
• Accelerare lo sviluppo del modello usando Tools di
2. Cominciare con la Predictive Analytics e Machine Machine Learning Automation
Learning • Tools di Data Science: Cloudera Data Science,
Workbench, IBM Watson Studio, Sagemaker
Andando verso lo smart business, lo sguardo indietro • Deep Learning: Google Tensorflow, deepsense.io,
nel tempo non è sufficiente per prendere delle buone Rytorch
decisioni. Le aziende devono modellare il futuro per • Andare oltre il Predictive con Reinforcement lear-
fare previsioni in modo da anticipare i problemi e rea- ning e RAY
gire nei tempi giusti. La Predictive Analytics diventa
dunque un elemento importante in qualsiasi iniziativa 3. Advanced Analytics per dati multi-strutturati
di BI. Questa sessione introduce la Predictive Analy-
tics e mostra come può essere usata nell’analisi e Questa sessione esamina le tecnologie analitiche
nell’ottimizzazione del business. emergenti per dati multi-strutturati e spiega come
usarli. Non tutti i progetti analitici sono implementati
• Cosa è la Machine Learning? con la tecnologia relazionale specialmente quando si
• Tecnologie e metodologie per sviluppare modelli tratta di alti volumi e contenuti non strutturati. Qui si
Predictive Analytical valuta l’emergenza di Advanced Analytics usando
• Utilizzare un apprendimento con supervisione per piattaforme Big Data NoSQL come Hadoop e gli ap-
sviluppare modelli predictive per classificazione au- procci per analizzare contenuti complessi e non strut-
tomatica turati in modo da creare valore di business.
• Popolari algoritmi predictive: regressione lineare,
naive bayes, alberi delle decisioni, random forest, • Tecniche per produrre informazioni valide da conte-
reti neurali, support vector machines nuto non strutturato
• Implementare analitica in-Hadoop e in-memory • Tools e tecniche per analizzare testo
usando SPARK • Voce del cliente e social media analytics
• Notebooks di Data Science usando Databricks • Analisi del clickstream• Streaming Analytics to di questi tools per massimizzare i benefici di busi-
• Graph Analysis ness attraverso il data management, il riuso e l’inte-
• Intelligenza Artificiale grazione con gli ambienti esistenti di BI/DW per facili-
tare la consistenza.
4. Search, BI e Big Data
• Il mercato dei tools di Self-Service BI: Microsoft
Questa sessione valuterà il ruolo sempre crescente PowerBI, Qlik Sense, Salesforce Tableau, MicroStra-
del Search in un ambiente analitico. Fino ad oggi il tegy, Oracle Analytics Cloud, ThoughtSpot, IBM Co-
Search è stato incorporato nei tools di BI ma oggi, gnos Analytics, SiSense etc.
con l’avvento dei Big Data come una piattaforma per • Principali caratteristiche dei tools self-service di
analizzare informazione non strutturata, sta assu- Data Discovery e Visualization
mendo un nuovo ruolo. • I requisiti fondamentali e le Best Practices per un self-
service BI di successo
• Perché Search e BI? • Tools di self-service BI che accedono ai Big Data at-
• L’importanza sempre crescente di analizzare conte- traverso SQL su Hadoop
nuto non strutturato • Semplificare l’accesso ai dati da parte dei tools di
• Le implicazioni dei Big Data su Search e BI self-service BI ai molteplici Data Store attraverso la
• Creare indici Search sui dati multi-strutturati virtualizzazione dei dati: Logical Data Warehouse
• Costruire dashboards e reports sopra il contenuto • Accedere all’analitica predittiva in-Database, in-Ha-
indicizzato del Search Engine doop e in-Sparke dei tools di self-service BI e
• Usare il Search per analizzare dati multi-strutturati spread-sheets
• L’integrazione di Search con le tradizionali piattaforme • Accedere agli streaming data e analitica real-time dai
di BI tools self-service BI e spread-sheets
• Integrazione con Advanced Analytics nel Cloud e
• Usare Search per trovare contenuti e metriche BI
on-premises
• Analisi guidata usando multi-faceted Search
• OLAP Scalabile su Hadoop: Analisi multidimensiona-
• Il mercato dei tools analitici basati su Search: Apache
le usando ATScale, Kyvos Insights e Apache Kylin
Solr (Lucene), Attivio, Cloudera Search, Connexica,
HP IDOL, IBI WebFocus Magnify, IBM Watson Explo-
rer, Microsoft, Quid, SAP Lumira, Splunk, Thought-
Partecipanti
spot
• Analisti di Business
• Data Scientists
5. Usare i tools Self-Service di Data Discovery e • Managers di BI
Visualization
• Professionisti di Data Warehousing
I tools self-service di Data Discovery e Visualization • Enterprise Archiects
vengono spesso venduti ai dipartimenti di business in • Data Architects
modo che gli analisti del business possono comincia- • CIO
re a costruire le proprie applicazioni di BI senza dover • IT Managers
aspettare l’IT. Di conseguenza spesso si comincia a
usarli senza nessuna guida da parte dell’IT e molto
velocemente creano inconsistenza e caos. Questa
sessione descrive le Best Practices nel dispiegamen-INFORMAZIONI
QUOTA DI MODALITÀ D’ISCRIZIONE CONDIZIONI GENERALI TUTELA DATI PERSONALI
PARTECIPAZIONE
Il pagamento della quota, In caso di rinuncia con Ai sensi dell’art. 13 della legge
e 1200 (+iva) IVA inclusa, dovrà essere preavviso inferiore a 15 giorni n. 196/2003, il partecipante è
effettuato tramite bonifico, verrà addebitato il 50% della informato che i suoi dati
quota di partecipazione, in personali acquisiti tramite la
codice IBAN:
caso di rinuncia con preavviso scheda di partecipazione al
IT 03 W 06230 03202 000057031348
DURATA ED ORARIO inferiore ad una settimana seminario saranno trattati da
Banca: Cariparma Technology Transfer anche
2 giorni 9.30-13.00 verrà addebitata l’intera quota.
14.00-17.00 Agenzia 1 di Roma con l’ausilio di mezzi elettronici,
In caso di cancellazione del
intestato alla con finalità riguardanti
seminario, per qualsiasi
Technology Transfer S.r.l. l’esecuzione degli obblighi
causa, la responsabilità della
e la ricevuta di versamento derivati dalla Sua
Technology Transfer si intende
inviata insieme alla scheda partecipazione al seminario,
limitata al rimborso delle quote
di iscrizione a: per finalità statistiche e per
di iscrizione già pervenute.
info@technologytransfer.it l’invio di materiale
promozionale dell’attività di
Technology Transfer.
TECHNOLOGY SCONTI Il conferimento dei dati è
TRANSFER S.r.l. facoltativo ma necessario per
I partecipanti che si iscriveranno
Piazza Cavour, 3 la partecipazione al seminario.
al seminario 30 giorni prima
00193 ROMA Il titolare del trattamento dei
avranno uno sconto del 5%.
(Tel. 06-6832227) dati è Technology Transfer,
Se un’azienda iscrive allo Piazza Cavour, 3 - 00193
stesso evento 5 partecipanti, Roma, nei cui confronti il
Il seminario sarà tenuto in
Vi consigliamo di far precedere pagherà solo 4 partecipazioni. partecipante può esercitare i
lingua inglese con il servizio
di Traduzione Simultanea la scheda d’iscrizione da una Gli sconti per lo stesso evento diritti di cui all’art. 13 della
incluso. prenotazione telefonica. non sono cumulabili fra di loro. legge n. 196/2003.
✂
MIKE FERGUSON
MACHINE LEARNING E ADVANCED nome ......................................................................
ANALYTICS
cognome ................................................................
23-24 Giugno 2022
funzione aziendale .................................................
Timbro e firma
Quota di iscrizione:
azienda ..................................................................
e 1200 (+iva)
partita iva ...............................................................
codice fiscale .........................................................
In caso di rinuncia o di cancellazione dei seminari
valgono le condizioni generali riportate all’interno. indirizzo ..................................................................
città ........................................................................
cap .........................................................................
provincia ................................................................
telefono .................................................................. Da restituire compilato a:
Technology Transfer S.r.l.
Piazza Cavour, 3 - 00193 Roma
fax .......................................................................... Tel. 06-6832227 - Fax 06-6871102
info@technologytransfer.it
e-mail ..................................................................... www.technologytransfer.itDOCENTE Mike Ferguson è Managing Director di Intelligent Business Strategies Limited. Come analista e consulente è specializzato in Business Intelligence e Enterprise Business Integration. Ha più di 39 anni di esperienza di IT, ha operato consulenze per importanti aziende ed è stato frequentemente speaker in molti eventi e semi- nari in tutto il mondo. Mr. Ferguson è chairman di Big Data LDN, la Conferenza sui Big Data più di successo in Europa e chairman di CDO Exchange. E’ stato Principal e co-fondatore della Codd & Date UK e Chief Ar- chitect alla Teradata su DBMS Teradata e Managing Director Europeo di Database Associates. Insegna delle master classes che hanno molto successo su Analitica, Big Data, Data Governance & MDM, Data Wa- rehouse Modernization e Data Lake Operations.
Puoi anche leggere
